Reentrenamiento de modelos con el almacén de metadatos

En la lección anterior, aprendiste el papel fundamental que desempeña el almacén de metadatos para facilitar la automatización completa de los pipelines de MLOps. Permite monitorizar automáticamente la funcionalidad del servicio de predicción y registrar métricas de evaluación que ayudan a detectar degradación del rendimiento con el tiempo. También viste el reentrenamiento por disparo (triggered retraining) y la importancia de actualizar los modelos para tener en cuenta el drift.

En este ejercicio, aplicarás lo aprendido ordenando una serie de pasos que muestran cómo el almacén de metadatos y el reentrenamiento por disparo pueden usarse para actualizar modelos automáticamente y mantener un rendimiento óptimo.